基于机器视觉的南美白对虾病害识别方法及系统技术方案

本发明专利技术为一种基于机器视觉的南美白对虾病害识别方法及系统，该方法包括步骤：S1、判断是否是要进行病害识别的目标的图像；若是，则转入步骤S2；若否，则结束程序；S2、对图像进行颜色特征参数提取；S3、进行图像二值化分割处理；S4、对二值化分割处理后的图像进行面积特征获取，计算目标区域的像素点的个数；S5、对二值化分割处理后的图像进行边缘检测处理，获得目标区域的边缘图像，然后对边缘图像的周长特征进行提取，获得目标边缘区域像素的个数；S6、利用目标区域周长和面积的比值，得到圆形度特征参数；S7、通过将颜色特征参数和圆形度特征参数作为神经网络分类算法的训练参数和分类数据源，进行训练后再进行分类，获得病害识别的结果。

【技术实现步骤摘要】

本专利技术涉及图像采集及识别
，具体涉及一种基于机器视觉的南美白对虾病害识别方法及系统。
技术介绍
随着社会经济的高度发展，人们对南美白对虾的需求量也持续加大，南美白对虾每年创造了大量的经济价值。根据有关部门统计，以江浙地区为例，2010年上半年当地南美白对虾产量就为2. 76万吨。然而随着社会的发展，南美白对虾病害也随之扩大，并导致大量的白对虾死亡，造成巨大的经济损失，同时也影响了人们对虾类产品大量需求。现在的病害识别方法多以经验识别为主，专家根据经验进行识别。利用机器视觉进行病害识别利用颜色、纹理特征结合模板分类方法来识别植物病害的识别，也有利用面积、周长、占空比、等效圆半径、球形性、不变矩等特征来识别储粮害虫。首先，目前的技术缺少比较好的图像采集技术和装置来采集曝光均勻的高质量图像，图像质量的高低会对图像识别率带来不小的影响，而目前几乎没有多少技术在图像采集方面有所专利技术，来弥补相机曝光不足和不均勻带来的图像采集问题，这是目前图像识别技术的一大缺陷。再者，由于所获得的图像是通过照相机获得的，难免会使得图像发生旋转，一旦角度发生改变，很多特征就会发生巨大变化，例如矩形度、不变矩、面积、周长等，这些变化都会降低识别率。例如外接矩形度特征就会有很大变化，为了解决图像角度变化这个问题就需要提取很多不同角度下的外接矩形度特征参数，从0度到360度的范围，如果要做得精确，必须大量减少间隔角度的大小进行参数的获取，这给对象的识别参数提取带来不小的操作难度。
技术实现思路
(一)要解决的技术问题本专利技术的目的在于提供一种基于机器视觉的南美白对虾病害识别方法及系统，使得图像在旋转任意角度之后，不需要对外接矩形进行特征提取，解决图像的旋转带来的多个外接矩形参数提取的问题。本专利技术系统还要解决图像采集装置曝光不足和曝光不均勻的问题。( 二 )技术方案为了解决上述技术问题，本专利技术提供一种基于机器视觉的南美白对虾病害识别方法，包括以下步骤Si、判断是否是要进行病害识别的目标的图像；若是，则转入步骤S2 ；若否，则结束程序；S2、对图像进行颜色特征参数提取；S3、根据颜色特征参数进行图像二值化分割处理；S4、对二值化分割处理后的图像进行面积特征获取，计算目标区域的像素点的个数；S5、对二值化分割处理后的图像进行边缘检测处理，获得目标区域的边缘图像，然后对边缘图像的周长特征进行提取，获得目标边缘区域像素的个数；S6、利用目标区域周长和面积的比值，得到圆形度特征参数；S7、通过所述颜色特征参数和圆形度特征参数作为神经网络分类算法的训练参数和分类数据源，进行训练后再进行分类，获得病害识别的结果。优选地，所述步骤Sl之前还包括步骤S0、对将要进行识别的图像进行去噪预处理。优选地，所述步骤Sl中判断是否是要进行病害识别的目标的图像的方法包括步骤Sl 1、对图像进行灰度化；S12、获取图像自适应阈值；S13、根据所述阈值对灰度图像进行二值化图像分割，获得目标图像；S14、对二值化分割处理后的目标区域进行面积计算，获得目标像素的面积特征参数；S15、对二值化分割处理后的目标区域进行边缘检测，对边缘像素的个数进行计数处理，得到周长像素的个数，作为周长特征参数；S16、利用目标区域周长特征参数和面积特征参数构造圆形度特征参数，进行神经网络的训练后用神经网络分类算法进行分类，得到是否为病害识别的目标的图像的判断结^ ο优选地，所述步骤S12中获取图像自适应阈值的方法为Otsu阈值确定方法的改进，用公式σ (t)=賴聊IU1 (t)-U2 (t) I替换Otsu方法中计算两类之间的类间方差公式 σ (t)2 = ffl(t)W2(t) [U1 (t)-U2 (t) J20本专利技术还提供一种基于机器视觉的南美白对虾病害识别系统，包括图像采集设备和图像处理设备；所述图像处理设备包括目标识别单元和病害识别单元；先由目标识别单元判断是否是要进行病害识别的目标的图像，若是，则由所述病害识别单元进行病害识别，若否，则结束程序；所述病害识别单元对图像进行颜色特征提取；根据颜色特征进行图像二值化分割处理；对二值化分割处理后的图像进行面积特征获取，计算目标区域的像素点的个数；对二值化分割处理后的图像进行边缘检测处理，获得目标区域的边缘图像，然后对边缘图像的周长特征进行提取，获得目标边缘区域像素的个数；利用目标区域周长和面积的比值，得到圆形度特征参数；通过所述颜色特征参数和圆形度特征参数作为神经网络分类算法的训练参数和分类数据源，进行训练后再进行分类，获得病害识别的结果。优选地，所述图像处理设备还包括预处理单元，用于对将要进行识别的图像进行去噪预处理。优选地，所述目标识别单元对图像进行灰度化；获取图像自适应阈值；根据所述阈值对灰度图像进行二值化图像分割，获得目标图像；对二值化分割处理后的目标区域进行面积计算，获得目标像素的面积特征参数；对二值化分割处理后的目标区域进行边缘检测，对边缘像素的个数进行计数处理，得到周长像素的个数，作为周长特征参数；利用目标区域周长特征参数和面积特征参数构造圆形度特征参数，进行神经网络的训练后用神经网络分类算法进行分类，得到是否为病害识别的目标的图像的判断结果。优选地，所述目标识别单元获取图像自适应阈值的方法为Otsu阈值确定方法的改进，用公式σ (t)=賴聊IU1 (t)-U2 (t) I替换Otsu方法中计算两类之间的类间方差公式 σ (t)2 = ffl(t)W2(t) [U1 (t)-U2 (t) J20优选地，所述图像采集设备包括摄像头图像采集部件、辅助光照部件、辅助照明柱部件、辅助成像背景部件以及外包装盒部件。优选地，所述辅助成像背景部件设备包括背景板，背景板采用蓝色作为底板颜色。(三)有益效果1、本专利技术首先判断识别对象是不是所要的目标，通关对获取二值化处理之后的面积特征参数和进行边缘检测处理之后的边缘特征参数的提取，进而构造了是所要的圆形度形状特征参数，并通过颜色和圆形度特征参数作为神经网络分类算法的训练参数和分类数据源。本专利技术还采用和改进了基于Otsu的自适应阈值确定算法。通过实验，发现经过本专利技术处理之后，以南美白对虾的病害识别为例，南美白对虾的识别率和识别时间明显较现有技术有所提高。南美白对虾病害图像识别的识别率达到90. 233333%，能够识别南美白对虾白斑病、黑斑病、红体病等常见病害，识别耗时在30到40秒范围内。2、本专利技术系统中图像采集设备能够获得较高质量的图像，为二值化分割图像做了很好的准备和前期处理工作，对后期图像识别参数提取做出很大贡献。附图说明图1是本专利技术方法的流程图，包括病害识别、目标识别和预处理；图2A和图2B分别是本专利技术一实施例中用Otsu法处理和用本专利技术改进算法处理的对比图3是本专利技术一实施例中神经网络分类示例图4是本专利技术系统的结构框图5是本专利技术系统中图像采集设备及辅助设备一实施例的示意图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实施例用于说明本专利技术，但不是限制本专利技术的范围。如图1所示，本专利技术所述基于机器视觉的南美白对虾病害识别方法，包括以下步骤si、判断是否是要进行病害识别的目标的图像；若是，则转入步骤S2 ；若否，则结束程序；S2、对图像进行颜色特征本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：孙传恒，杨信廷，周超，姜桃，李文勇，
申请(专利权)人：北京农业信息技术研究中心，
类型：发明
国别省市：